Correlates of using behavioural sciences to design health promotion interventions and programs
Notice bibliographique
Résumé
Abstract Background The World Health Organization highlighted the need to better integrate behavioural science in the field of public health. Based on the theoretical domains framework, this study examined correlates of public health practitioners’ use of behavioural science principles to plan public health actions aim at promoting physical activity and healthy eating. Methods This study adopted a cross-sectional design. A convenience sample of 160 public health practitioners were recruited from different public health agencies (non-profit organizations, governmental and para-governmental agencies). They were asked to complete a survey questionnaire online and self-reported their use of behavioural science to plan health promotion interventions. Regression analyses were conducted to examine correlates of behaviour and behavioural intentions. All analyses were controlled for sex, number of years of experience in public health and the type of organization they work for. Results Skills (OR = 4.1, 95%CI: 1.3, 13.5) and intentions/goals (OR = 9.2, 95%CI: 2.3, 36.1) were the two domains significantly associated with the use of behavioural science. Perceived capacity to overcome the fact that none of their colleagues rely on behavioural sciences in their organization (OR = 7.2, 95%CI: 1.7, 30.3) was also associated with behaviour. Knowledge (OR = 8.6, 95%CI: 1.9, 39.1) and beliefs about consequences (OR = 4.0, 95%CI: 1.1, 14.7) were in turn associated with intentions/goals. Conclusions This unique study provides important insights for the development of future knowledge transfer activities aim at supporting positive attitudes and motivations toward the use of behavioural science as well as developing competencies and a normative use of behavioural science. The development of a strong knowledge basis would also need to be a core component of trainings to support the integration of behavioural science in public health to design physical active lifestyles and healthy eating interventions. Key messages • Increasing knowledge and skills in behavioural sciences is a key for a better integration in public health practices. • Changes in norms and attitudes toward the use of behavioural sciences will also support a better uptake.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».